@QuixiAI: 我的经验是，Qwen3.8-Flash-Next甚至无法跟踪多轮对话。它回答的是之前的问题……
摘要
用户报告了Qwen3.8-Flash-Next的问题，例如多轮对话跟踪能力差，与性能更好的Qwen3.8-27B相比。
查看缓存全文
缓存时间: 2026/08/29 06:03
我使用 Qwen3.8-Flash-Next 的体验是，它甚至无法正确追踪多轮对话。它会回答我两轮前提出的问题。 这是在 FP8 精度下运行的结果 https://t.co/tK8QrGRvnh
David Hendrickson (@TeksEdge): 在我的测试中，Qwen3.8-Flash-Next 的表现真的很差。☹️ Qwen3.8-27B（以积极的方式）秒杀了我的 Cosmic Dodge 游戏——一次就通过了，第二次运行则让它更加完善。而 Qwen3.8-Flash-Next 则非常挣扎。在五次尝试中，它都没有完全正确。Boss 不会死，……
相似文章
# Qwen3.8-Flash-Next 是不是动不动就触发了，还是只有我一个人这么觉得？ "Trigger happy" 在这里指模型反应过度、容易被触发。你可以根据语境选择更贴切的说法： - 如果是说模型**太敏感、动不动就报错或拒绝**：`是不是太敏感了，动不动就触发？` - 如果是说模型**太急着生成内容、话太多**：`是不是太着急了，一上来就生成一堆内容？` 推荐译文：**Qwen3.8-Flash-Next 是不是太容易触发了？还是只有我一个人有这种感觉？**
一名开发者在评估 Qwen3.8-Flash-Next 用于编程与语音智能体场景时表示，该模型过度渴望采取行动，会产生大量多余的工具调用，并在仅要求进行分析的情况下执行操作（例如创建 GitHub issue）。他将其与 DeepSeek 的 v4 flash 系列模型作了对比，并指出 MiMo-V2.6-Flash-MOPD 作为编程智能体表现得更为稳妥合理。
说说 Qwen3.8-Flash-Next 能不能做得更好
一位用户吐槽 Qwen3.8-Flash-Next 在通过 llama.cpp 本地运行时，面对一般性研究问题回答冗长、绕来绕去，并质疑该模型是否除了编程任务之外还能有所改进。
您正在运行 Qwen 3.8 27b 还是 Qwen Flash Next？
用户讨论在 Apple 硬件上偏好 Qwen 3.8 27b 和 Qwen Flash Next 模型，比较速度，并询问使用 MLX 和无需推理的框架来提升性能的方法。
Qwen3.8-Flash-Next-NVFP4 对比 Qwen3.8-27B-FP 测试结果
本文详细测试了Qwen3.8-Flash-Next-NVFP4与Qwen3.8-27B-FP8两款AI模型在各类任务中的性能表现，结果显示Flash-Next版本在速度与失败率方面更具优势，但在处理多步骤符号任务时表现较弱。
Qwen/Qwen3.8-Flash-Next
发布 Qwen3.8-Flash-Next，一款开放权重的 AI 模型，引入混合注意力（Hybrid Attention）与 QSA 以及门控残差（Gated Residual）等架构创新，提升效率和可扩展性，预览未来的 Qwen4 架构。